در این مطلب، ویدئو اسپلاین مکعبی با پایتون GEKKO با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:00,089 –> 00:00:02,159
splines برای اینکه بتوانیم
2
00:00:02,159 –> 00:00:05,100
از دادهها همبستگی ایجاد کنیم در اینجا
3
00:00:05,100 –> 00:00:07,140
در سمت راست داریم، اگر
4
00:00:07,140 –> 00:00:09,360
فقط یک خط از طریق آن در
5
00:00:09,360 –> 00:00:11,820
تمام نقاط نزدیک به آن رسم کنیم، چیزی خواهیم داشت
6
00:00:11,820 –> 00:00:13,860
که آن نقاط را
7
00:00:13,860 –> 00:00:15,839
با یک تابع تقریب میکند. میخواهید
8
00:00:15,839 –> 00:00:18,539
چیزی را در کل منطقه ایجاد کنید که
9
00:00:18,539 –> 00:00:20,010
10
00:00:20,010 –> 00:00:21,689
مشتقات اول و دوم پیوسته داشته باشد، میدانید که میتوانیم
11
00:00:21,689 –> 00:00:24,350
کاری شبیه
12
00:00:24,350 –> 00:00:26,580
تقریبهای خطی بین آنها انجام دهیم، اما سپس
13
00:00:26,580 –> 00:00:28,429
نقاطی دارید که با
14
00:00:28,429 –> 00:00:31,260
حلکنندههای مبتنی بر گرادیان به خوبی کار نمیکنند، بنابراین من یک
15
00:00:31,260 –> 00:00:33,030
اسپلاین مکعبی ایجاد میکنم تا ما قادر خواهیم بود
16
00:00:33,030 –> 00:00:37,100
از آن تابع در یک الگوریتم جستجو
17
00:00:37,100 –> 00:00:40,440
در یک مدل بزرگتر استفاده کنیم، بنابراین بیایید
18
00:00:40,440 –> 00:00:42,210
برویم و اول از همه فقط داده های خود را
19
00:00:42,210 –> 00:00:47,120
اینجا می گیریم و ادامه می دهیم و X m و
20
00:00:47,120 –> 00:00:50,430
ym را ترسیم می کنیم و فقط آن ها را آبی می کنیم.
21
00:00:50,430 –> 00:00:56,190
دایره ها و طرح کنید که در اینجا اگر
22
00:00:56,190 –> 00:00:59,219
فراموش نکنید که به برخی از آنها اضافه کنید، می دانید
23
00:00:59,219 –> 00:01:00,899
برخی از این بسته ها را که در
24
00:01:00,899 –> 00:01:02,430
اینجا برای numpy در آن پایلوت فهرست شده اند، وارد کنید، بسیار
25
00:01:02,430 –> 00:01:06,170
خوب، کار بعدی که انجام می دهیم این است
26
00:01:06,170 –> 00:01:10,590
که یک اسپلاین مکعبی ایجاد کنیم و سپس ما
27
00:01:10,590 –> 00:01:13,170
همچنین به دنبال یافتن حداکثر یا حداقل
28
00:01:13,170 –> 00:01:17,250
مقدار آن اسپلاین مکعبی هستیم، بنابراین بیایید این
29
00:01:17,250 –> 00:01:19,229
کار را با مارمولک انجام دهیم، اول از همه
30
00:01:19,229 –> 00:01:22,439
باید مارمولک وارد کنیم، بنابراین من از
31
00:01:22,439 –> 00:01:27,119
مارمولک وارداتی مارمولک این کار را انجام میدهم و سپس M برابر را انجام میدهیم.
32
00:01:27,119 –> 00:01:32,880
gecko برای ایجاد یک مدل جدید،
33
00:01:32,880 –> 00:01:35,159
کار بعدی که باید انجام دهیم این است که
34
00:01:35,159 –> 00:01:37,439
چند متغیر را تنظیم کنیم، بنابراین میخواهیم فقط
35
00:01:37,439 –> 00:01:40,020
بتوانیم spline مکعبی را نمایش دهیم و ببینیم چگونه
36
00:01:40,020 –> 00:01:43,590
به نظر میرسد و بنابراین من یک پارامتر جدید ایجاد
37
00:01:43,590 –> 00:01:44,310
38
00:01:44,310 –> 00:01:47,909
میکنم، بسیار خب، میخواهم این m نقطه را X نامگذاری کنید تا
39
00:01:47,909 –> 00:01:49,890
فضای نام را اشتباه
40
00:01:49,890 –> 00:01:52,520
نگیرم، بعداً یک spline مکعبی دیگر ایجاد
41
00:01:52,520 –> 00:01:55,259
خواهم کرد، بنابراین آن را میگیرم و آن را به یک
42
00:01:55,259 –> 00:01:57,500
پارامتر
43
00:01:58,110 –> 00:02:00,110
تبدیل میکنم و سپس مقدار را
44
00:02:00,110 –> 00:02:04,350
برابر با مقادیر با فاصله خطی بین قرار میدهم.
45
00:02:04,350 –> 00:02:09,750
1 منفی 1 و 6 و بنابراین من طیفی
46
00:02:09,750 –> 00:02:11,430
از مقادیر دارم که میخواهم بتوانم آن را وصل
47
00:02:11,430 –> 00:02:15,930
کنم و نتیجه من در اینجا است و
48
00:02:15,930 –> 00:02:21,890
سپس من اسپلاین مکعبی خود را با
49
00:02:21,890 –> 00:02:26,100
MDX و و Y ایجاد میکنم و سپس آن را وارد میکنم.
50
00:02:26,100 –> 00:02:30,930
داده XM و ym بسیار خوب است، بنابراین
51
00:02:30,930 –> 00:02:36,030
دو مورد اول متغیرهایی هستند که شما می خواهید و
52
00:02:36,030 –> 00:02:39,860
این دو داده های
53
00:02:39,860 –> 00:02:45,570
بعدی شما خواهند بود، ما آن را حل خواهیم کرد t و من نمایشگر را
54
00:02:45,570 –> 00:02:47,880
برابر با false تنظیم میکنم تا
55
00:02:47,880 –> 00:02:49,950
خروجی حلکننده را نبینیم، کار دیگری که
56
00:02:49,950 –> 00:02:52,770
باید انجام دهیم این است که فقط یک گزینه را
57
00:02:52,770 –> 00:02:55,980
تنظیم کنیم و حالت هوش مصنوعی را بهطور پیشفرض برابر با 2 قرار دهیم،
58
00:02:55,980 –> 00:02:57,840
این بهینهسازی حالت پایدار برابر با 3 است.
59
00:02:57,840 –> 00:02:59,580
اما آن یکی به ما امکان می
60
00:02:59,580 –> 00:03:03,769
دهد چندین نقطه داده را با یک حل
61
00:03:03,769 –> 00:03:06,660
درست انجام دهیم و سپس کاری که ما انجام خواهیم داد این است که فقط
62
00:03:06,660 –> 00:03:10,620
آن را به نمودارها اضافه کنیم، بنابراین اجازه دهید من بروم و برچسب
63
00:03:10,620 –> 00:03:15,440
این را بدهم اینها برچسب داده است و
64
00:03:15,440 –> 00:03:20,010
سپس یکی دیگر را ایجاد می کنیم که
65
00:03:20,010 –> 00:03:24,750
برابر است با M X و m نقطه Y و
66
00:03:24,750 –> 00:03:26,910
ما آن را یک خط چین قرمز قرار می دهیم
67
00:03:26,910 –> 00:03:33,780
و برچسب را برابر با یک برچسب قرمز متاسفم
68
00:03:33,780 –> 00:03:40,640
برابر با spline مکعب می
69
00:03:40,640 –> 00:03:43,470
70
00:03:43,470 –> 00:03:47,010
کنیم. در اینجا ما
71
00:03:47,010 –> 00:03:50,070
فقط وارد کردن Gecko را داشتیم و سپس
72
00:03:50,070 –> 00:03:52,080
اسپلاین مکعبی خود را داشتیم که تولید شد،
73
00:03:52,080 –> 00:03:54,530
میتوانید ببینید که ما یک مقدار حداکثر در
74
00:03:54,530 –> 00:03:58,860
آنجا داریم، حدود 4.5 یا بیشتر،
75
00:03:58,860 –> 00:04:00,540
بنابراین از یک بهینهساز برای یافتن
76
00:04:00,540 –> 00:04:02,310
حداکثر مقدار آن در آن
77
00:04:02,310 –> 00:04:04,049
منطقه اسپلاین مکعبی مورد دیگری که
78
00:04:04,049 –> 00:04:06,840
باید مراقب آن باشید اکسترپو است بنابراین
79
00:04:06,840 –> 00:04:09,930
فرض کنید به جای آن به 8 رسید
80
00:04:09,930 –> 00:04:11,700
و سپس میتوانید ببینید
81
00:04:11,700 –> 00:04:15,390
که مشکلی ندارد،
82
00:04:15,390 –> 00:04:18,600
83
00:04:18,600 –> 00:04:22,370
اگر بخواهم راهحل را سریعتر کنم اگر با رایانههای ویندوزی کار
84
00:04:22,370 —